comparative structure prediction of ncrna molecules

Transkript

1 comparative structure prediction of ncrna molecules using a non Sankoff approach 01. Februar 2008

2 Inhalt 1 ncrna s - ein Überblick 2 RNAcast - RNA consensus structure prediction Outline und Vorbereitung consensus shape prediction 3 RNAspa - a shortest path approach Algorithmus Bemerkungen und Laufzeit 4 Vergleich

3 Was sind ncrna s? ncrna non coding RNA-Moleküle sind DNA-Sequenzen, die transkripiert, aber nicht translatiert werden. vielfältigste regulatorische Funktion, z.b. 1 gene silencing (mirna) 2 Replikation (Telomerase RNA) 3 rrna-reifung und Modifikation (snorna) schwer zu identifizieren

4 bedeutende Struktur ausgeprägte Sekundärstruktur, die oft funktionsbedingt ist z.b. autokatalytisches Gruppe I Intron bei Prokaryoten wichtig die Struktur vorherzusagen, um so Funktionen und Komplexität besser zu verstehen

5 Matthews Correlation Coefficient (MCC) MCC = TP TN FP FN (TP + FP) (TP + FN) (TN + FP) (TN + FN) dabei gilt: 1 MCC 1

6 Strukturvorhersage Minimal Free Energy (MFE) benötigt viele Parameter (stem energy, loops, Temperatur... ) Struktur mit geringster freier Energie ist oft nicht die Richtige Liste von suboptimalen Faltungen durch RNAsubopt

7 Strukturvorhersage comparative prediction Sekundästrukturen sind innerhalb von ncrna Familien relativ stark konserviert (im Gegensatz zu ihrer Sequenz). Annahme: gemeinsame Struktur von verwandten ncrna-sequenzen entspricht eher der natürlichen Struktur Möglichkeit: Entdeckung neuer ncrna-familien

8 Strukturvorhersage Sankoff-Ansatz gleichzeitiges Durchführen von Sequenzalignment und Strukturvorhersage von multiplen RNA Sequenzen sehr Speicher- und CPU-belastend viele Programme verfolgen diesen Ansatz und versuchen Ressourcen zu schonen z.b. stemloc, Pmcomp usw.

9 Strukturvorhersage nicht Sankoff basierte Ansätze RNAspa und RNAcast

10 Outline und Vorbereitung 1 ncrna s - ein Überblick 2 RNAcast - RNA consensus structure prediction Outline und Vorbereitung consensus shape prediction 3 RNAspa - a shortest path approach Algorithmus Bemerkungen und Laufzeit 4 Vergleich

11 Outline und Vorbereitung RNAcast kümmert sich nicht um Alignment der gegebenen Sequenzen versucht lediglich die Sekundärstruktur vorherzusagen arbeitet mit shapes

12 Outline und Vorbereitung shape RNAcast kümmert sich nicht um Alignment der gegebenen Sequenzen versucht lediglich die Sekundärstruktur vorherzusagen arbeitet mit shapes Familie von Sekundärstrukturen, die einen gemeinsamen Grundaufbau besitzen.

13 Outline und Vorbereitung Grundzüge 1 zu jeder Sequenz werden alle (innerhalb einer gewissen Grenze) suboptimalen Faltungen brechnet ergibt den sogenannten Faltungsraum

14 Outline und Vorbereitung Grundzüge 1 zu jeder Sequenz werden alle (innerhalb einer gewissen Grenze) suboptimalen Faltungen brechnet ergibt den sogenannten Faltungsraum 2 Berechnung der jeweiligen shapes reduziert den zu betrachtenden Raum

15 Outline und Vorbereitung Grundzüge 1 zu jeder Sequenz werden alle (innerhalb einer gewissen Grenze) suboptimalen Faltungen brechnet ergibt den sogenannten Faltungsraum 2 Berechnung der jeweiligen shapes reduziert den zu betrachtenden Raum 3 Suche nach common shapes; d.h. shapes, die in allen Faltungsräumen vorkommen

16 Outline und Vorbereitung Grundzüge 1 zu jeder Sequenz werden alle (innerhalb einer gewissen Grenze) suboptimalen Faltungen brechnet ergibt den sogenannten Faltungsraum 2 Berechnung der jeweiligen shapes reduziert den zu betrachtenden Raum 3 Suche nach common shapes; d.h. shapes, die in allen Faltungsräumen vorkommen 4 Bestimme consensus shape zwischen allen common shapes

17 Outline und Vorbereitung RNA shape analysis jede Sequenz s besitzt Faltungsraum F(s); zu jeder Faltung x F(s) kann die freie Energie E(x) berechnet werden mfe(s) ist diejenige Struktur x F(s), für die E(x) minimal ist S... string-like domain von Strukturen; P... string-like domain für shapes π ist eine Mappingfunktion von S nach P

18 Outline und Vorbereitung RNA shape analysis Menge aller shapes: P(s) = { π(x) x F(s) } Klasse aller p-shaped-strukturen: F(s p) = { x x F(s), π(x) = p } shrep ˆp ist diejenige Struktur eines shapes p mit der kleinsten freien Energie

19 Outline und Vorbereitung Vorteile gibt guten Überblick über den Faltungsraum Reduzierung auf wenige shapes generischer Ansatz, da shapes je nach Wahl von π mehr oder weniger abstrakt sind

20 Outline und Vorbereitung Mappingregeln Struktur : (((...((..(((...))))).((...))..))) Level 5: [[][]] Level 3: [[[]][]]

21 consensus shape prediction 1 ncrna s - ein Überblick 2 RNAcast - RNA consensus structure prediction Outline und Vorbereitung consensus shape prediction 3 RNAspa - a shortest path approach Algorithmus Bemerkungen und Laufzeit 4 Vergleich

22 consensus shape prediction Definitionen Definition 1 p ist common shape p k i=1 P(s i ) Definition 2 consensus shape für Sequenzen {s 1... s k } ist derjenige common shape p mit minimalem rank (ˆp 1... ˆp k )

23 consensus shape prediction Algorithmus step 1 INPUT: Sequenzen {s 1,..., s k } und Schranke R RNAshapes berechnet zu jeder Sequenz F(s i ) und P(s i )

24 consensus shape prediction Algorithmus step 1 INPUT: Sequenzen {s 1,..., s k } und Schranke R RNAshapes berechnet zu jeder Sequenz F(s i ) und P(s i ) step 2 Berechne alle l common shapes und ihre shreps : [ (p 1, [ ˆp 1 1,..., ˆp 1 k ]),..., (p l, [ ˆp l 1,..., ˆp l k ])]

25 consensus shape prediction Algorithmus step 1 INPUT: Sequenzen {s 1,..., s k } und Schranke R RNAshapes berechnet zu jeder Sequenz F(s i ) und P(s i ) step 2 Berechne alle l common shapes und ihre shreps : [ (p 1, [ ˆp 1 1,..., ˆp 1 k ]),..., (p l, [ ˆp l 1,..., ˆp l k ])] step 3 Bestimme zwischen allen l common shapes mittels einer geeigneten scoring-funktion den consensus shape OUTPUT: (p, [ ˆp 1,..., ˆp k ])

26 consensus shape prediction Ergebnisse

27 Algorithmus 1 ncrna s - ein Überblick 2 RNAcast - RNA consensus structure prediction Outline und Vorbereitung consensus shape prediction 3 RNAspa - a shortest path approach Algorithmus Bemerkungen und Laufzeit 4 Vergleich

28 Algorithmus Voraussetzungen Grundlage für den Algorithmus ist RNAsubopt (Vienna Package): liefert eine Liste von suboptimalen Faltungen (bzgl. einer gewissen Schranke) für eine bestimmte Sequenz.

29 Algorithmus Algorithmus I INPUT: n unalignierte und randomisierte Sequenzen S 1, S 2,..., S n step 1: RNAsubopt liefert zu jeder Struktur v mögliche Faltungen: S 1 i, S 2 i,..., S v i die laut Annahme die optimale Struktur enthalten

30 Algorithmus Algorithmus II step 2: alle S j i bilden nun einen Knoten im Graphen; die v verschiedenen Strukturen zu einer Sequenz S i bilden dabei eine Schicht; wobei Schicht von S i über der von S i+1 liegt, sodass alle n Schichten übereinander gestapelt sind

31 Algorithmus Algorithmus II step 2: alle S j i bilden nun einen Knoten im Graphen; die v verschiedenen Strukturen zu einer Sequenz S i bilden dabei eine Schicht; wobei Schicht von S i über der von S i+1 liegt, sodass alle n Schichten übereinander gestapelt sind jeder Knoten der Schicht S i ist über gerichtete Kanten mit allen Knoten der Schicht S i+1 verknüpft das Gewicht einer Kante repräsentiert die Ähnlichkeit der beiden adjazenten Knoten

32 Algorithmus Algorithmus III step 3: mittels Breitensuche wird der kürzeste Pfad von Schicht 1 nach Schicht n bestimmt Kosten ergeben sich aus der Summe der einzelnen Kantengewichte dabei gilt: je kürzer der Pfad, desto ähnlicher die Strukturen

33 Algorithmus Algorithmus IV step 4: Wiederhole die Schritte 1-3 einige Male Bestimme zwischen allen kürzesten Pfaden denjenigen mit dem kleinsten sum-of-pair score aller n(n+1) 2 Knotenpaare OUTPUT: n Strukturen, die sich untereinander so ähnlich wie möglich sind

34 Bemerkungen und Laufzeit 1 ncrna s - ein Überblick 2 RNAcast - RNA consensus structure prediction Outline und Vorbereitung consensus shape prediction 3 RNAspa - a shortest path approach Algorithmus Bemerkungen und Laufzeit 4 Vergleich

35 Bemerkungen und Laufzeit Flaschenhals: Aufbau des Layers S i+1 erfordert V 2 Strukturvergleiche mit Layer S i Wie schnell sind diese möglich und wie oft sind sie nötig? string Edit-Distance (ED) in O(N 2 ) (Needleman-Wunsch)

36 Bemerkungen und Laufzeit Flaschenhals: Aufbau des Layers S i+1 erfordert V 2 Strukturvergleiche mit Layer S i Wie schnell sind diese möglich und wie oft sind sie nötig? string Edit-Distance (ED) in O(N 2 ) (Needleman-Wunsch) Beschleunigung: Erlaube nur K Mismatches führt zu O(KN) Berechne nur sinnvolle Kanten bis zu 25% Zeitersparnis

37 Bemerkungen und Laufzeit Laufzeit: O(NL 3 + SNV 2 L 2 + SN 2 L 2 ) N... Anzahl der Sequenzen L... Sequenzlänge V... Anzahl der suboptimalen Faltungen S... Anzahl der Durchläufe

38 Bemerkungen und Laufzeit Einfluss der Parameter Einfluss des Samplespace...

39 Bemerkungen und Laufzeit Einfluss der Parameter Einfluss des Samplespace... Einfluss der suboptimalen Strukturen...

40 Bemerkungen und Laufzeit Einfluss der Parameter Einfluss der Sequenzanzahl...

41 1 ncrna s - ein Überblick 2 RNAcast - RNA consensus structure prediction Outline und Vorbereitung consensus shape prediction 3 RNAspa - a shortest path approach Algorithmus Bemerkungen und Laufzeit 4 Vergleich

42 Dataset lin4 mirna microrna zur Regulation von Tranksriptionsvorgängen trna transfer RNA für Aminosäuren 5S rrna Bestandteil der großen ribosomalen Untereinhet SRP RNA dient der Modifizierung von Proteinen IRES Konformation führt zu Translationsstart purine RS Regulation der Proteinbiosynthese SAM RS Regulation der Termination der Transkription snrna U1, U2, U12 erfüllen verschiedene Regulationsmechanismen

43 Geschwindigkeit

44 Genauigkeit

45 Robustheit

46 Limitationen von RNAcast Wahl der richtigen Parameter findet nicht immer einen common shape Verunreinigungen durch unähnliche Sequenzen

47 RNAcast: singnifikant schneller als alle anderen Programme probleme mit kontaminierten Datensätzen

48 RNAcast: singnifikant schneller als alle anderen Programme probleme mit kontaminierten Datensätzen RNAspa: gute Genauigkeit in der Strukturvorhersage sehr robuster Algorithmus

49 Literatur Yair Horesh, Tirza Doniger, Shulamit Michaeli, Ron Unger RNAspa: a shortest path approach for comparative prediction of the secondary structure of ncrna molecules, Bioinformatics 2007 Jun 7; 8(366) Robert Griegerich, Jens Reeder Consensus Shapes: an alternative to the Sankoff algorithm for RNA consensus structure prediction, Bioinformatics: Vol.21 no , pages Stefan Wuchty, Walter Fontana, Ivo L. Hofacker, Peter Schuster Complete Suboptimal Folding of RNA and the Stability of Secondary Structure Biopolymers: Vol 49, (1999)